Слияние ИИ и DePIN: Возрождение распределенной сети GPU
С 2023 года AI и DePIN стали热门话题 в области Web3, с рыночной капитализацией в 30 миллиардов долларов и 23 миллиарда долларов соответственно. В данной статье будут исследованы пересечения этих двух областей, с акцентом на анализ развития соответствующих протоколов.
В стеке технологий ИИ сеть DePIN обеспечивает поддержку ИИ, предоставляя вычислительные ресурсы. Из-за роста крупных технологических компаний возник дефицит GPU, и другим разработчикам сложно получить достаточное количество GPU для обучения моделей ИИ. DePIN предлагает более гибкое и экономически эффективное решение, поощряя вклад ресурсов через токенизированные вознаграждения. Сеть DePIN в области ИИ краудсорсит ресурсы GPU от частных владельцев к дата-центрам, предоставляя пользователям единое предложение.
Render — это пионер P2P сети, предоставляющий вычислительную мощность GPU, изначально сосредоточенный на графическом рендеринге для создания контента, а затем расширивший свои возможности до выполнения задач AI. Его GPU сеть уже используется крупными компаниями в индустрии развлечений, такими как Paramount Pictures и PUBG.
Акаши
Akash позиционируется как "супероблачная" альтернатива, поддерживающая хранение, GPU и CPU вычисления. Его AkashML позволяет GPU-сетям запускать более 15 000 моделей на Hugging Face.
io.net
io.net предоставляет доступ к распределенным GPU облачным кластерам, специально предназначенным для использования в AI и ML. Его IO-SDK совместимо с такими фреймворками, как PyTorch и Tensorflow, многоуровневая архитектура автоматически и динамически масштабируется в зависимости от вычислительных потребностей.
Gensyn
Gensyn предоставляет вычислительные мощности GPU, сосредоточенные на машинном обучении и глубоком обучении. Он утверждает, что достиг более эффективного механизма верификации, сочетая такие концепции, как доказательства обучения и протоколы точного позиционирования на основе графиков.
Этир
Aethir специально оснащен корпоративными GPU, сосредоточен на вычислительно интенсивных областях, таких как искусственный интеллект, машинное обучение, облачные игры и т. д. Контейнеры в его сети выступают в качестве виртуальных конечных точек для выполнения облачных приложений, чтобы обеспечить низкую задержку.
Сеть ### Phala
Сеть Phala выступает в качестве исполняющего слоя Web3 AI решений. Ее блокчейн представляет собой облачное решение без доверия, разработанное для решения проблем конфиденциальности с использованием своей надежной исполняемой среды (TEE).
Различия между проектами существуют в таких аспектах, как оборудование, бизнес-ориентиры, типы задач ИИ, ценообразование на работу, блокчейн, конфиденциальность данных, стоимость работы, безопасность, доказательства выполнения, обеспечение качества, кластеры GPU и т.д.
Важность
Доступность кластеров и параллельных вычислений
Распределенная вычислительная система реализовала кластер GPU, обеспечивая более эффективное обучение и одновременно усиливая масштабируемость. Большинство ключевых проектов теперь интегрировали кластеры для параллельных вычислений.
Разработка AI-моделей требует использования больших объемов данных, которые могут содержать конфиденциальную информацию. Большинство проектов используют какую-либо форму шифрования данных для защиты конфиденциальности. io.net недавно сотрудничал с Mind Network для запуска полностью гомоморфного шифрования (FHE), которое позволяет обрабатывать зашифрованные данные без предварительной декодировки.
Подтверждение завершения расчетов и контроль качества
Несколько проектов предоставляют доказательства завершения расчетов и механизмы проверки качества, чтобы обеспечить качество работы и предотвратить мошенничество.
Различия между проектами по количеству GPU, количеству CPU, количеству высокопроизводительных GPU и их стоимости. io.net и Aethir лидируют по количеству высокопроизводительных GPU.
Обучение ИИ-моделей требует GPU с наилучшей производительностью, таких как A100 и H100 от Nvidia. Провайдеры децентрализованного рынка GPU должны предоставить достаточное количество высокопроизводительных GPU, чтобы конкурировать с централизованными услугами.
предоставляет потребительский уровень GPU/CPU
Некоторые проекты также предлагают потребительские GPU/CPU, которые могут быть использованы для менее интенсивных задач, таких как дообучение предобученных моделей или обучение маломасштабных моделей.
В области AI DePIN все еще относительно нова и сталкивается с вызовами. Однако количество задач и аппаратных средств, выполняемых в этих децентрализованных GPU-сетях, значительно увеличивается, что подчеркивает растущий спрос на альтернативы аппаратным ресурсам облачных провайдеров Web2. В будущем эти распределенные GPU-сети сыграют ключевую роль в предоставлении экономически эффективных вычислительных альтернатив для разработчиков, что существенно повлияет на будущее AI и вычислительной инфраструктуры.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
6 Лайков
Награда
6
6
Репост
Поделиться
комментарий
0/400
MissingSats
· 08-10 02:25
Недостаток gpu, про, пришло время перевернуть все в поисках рига для майнинга.
Посмотреть ОригиналОтветить0
rugpull_ptsd
· 08-10 02:23
Недостаток nm - это просто спекуляция
Посмотреть ОригиналОтветить0
RegenRestorer
· 08-10 02:09
Майнинг, а потом теряешь деньги, как его майнить?
Посмотреть ОригиналОтветить0
GateUser-8b37fed1
· 08-10 02:05
Фирма HODL💎
Посмотреть ОригиналОтветить0
SoliditySlayer
· 08-10 02:03
GPU начинает расти!
Посмотреть ОригиналОтветить0
MissedAirdropBro
· 08-10 01:57
Снова надо списывать домашку, чтобы стать предсказателем.
AI и DePIN: Восход распределенной GPU сети ведет к новой эре вычислений
Слияние ИИ и DePIN: Возрождение распределенной сети GPU
С 2023 года AI и DePIN стали热门话题 в области Web3, с рыночной капитализацией в 30 миллиардов долларов и 23 миллиарда долларов соответственно. В данной статье будут исследованы пересечения этих двух областей, с акцентом на анализ развития соответствующих протоколов.
В стеке технологий ИИ сеть DePIN обеспечивает поддержку ИИ, предоставляя вычислительные ресурсы. Из-за роста крупных технологических компаний возник дефицит GPU, и другим разработчикам сложно получить достаточное количество GPU для обучения моделей ИИ. DePIN предлагает более гибкое и экономически эффективное решение, поощряя вклад ресурсов через токенизированные вознаграждения. Сеть DePIN в области ИИ краудсорсит ресурсы GPU от частных владельцев к дата-центрам, предоставляя пользователям единое предложение.
! Пересечение AI и DePIN
Обзор сети AI DePIN
Рендер
Render — это пионер P2P сети, предоставляющий вычислительную мощность GPU, изначально сосредоточенный на графическом рендеринге для создания контента, а затем расширивший свои возможности до выполнения задач AI. Его GPU сеть уже используется крупными компаниями в индустрии развлечений, такими как Paramount Pictures и PUBG.
Акаши
Akash позиционируется как "супероблачная" альтернатива, поддерживающая хранение, GPU и CPU вычисления. Его AkashML позволяет GPU-сетям запускать более 15 000 моделей на Hugging Face.
io.net
io.net предоставляет доступ к распределенным GPU облачным кластерам, специально предназначенным для использования в AI и ML. Его IO-SDK совместимо с такими фреймворками, как PyTorch и Tensorflow, многоуровневая архитектура автоматически и динамически масштабируется в зависимости от вычислительных потребностей.
Gensyn
Gensyn предоставляет вычислительные мощности GPU, сосредоточенные на машинном обучении и глубоком обучении. Он утверждает, что достиг более эффективного механизма верификации, сочетая такие концепции, как доказательства обучения и протоколы точного позиционирования на основе графиков.
Этир
Aethir специально оснащен корпоративными GPU, сосредоточен на вычислительно интенсивных областях, таких как искусственный интеллект, машинное обучение, облачные игры и т. д. Контейнеры в его сети выступают в качестве виртуальных конечных точек для выполнения облачных приложений, чтобы обеспечить низкую задержку.
Сеть ### Phala
Сеть Phala выступает в качестве исполняющего слоя Web3 AI решений. Ее блокчейн представляет собой облачное решение без доверия, разработанное для решения проблем конфиденциальности с использованием своей надежной исполняемой среды (TEE).
! Пересечение AI и DePIN
Сравнение проектов
Различия между проектами существуют в таких аспектах, как оборудование, бизнес-ориентиры, типы задач ИИ, ценообразование на работу, блокчейн, конфиденциальность данных, стоимость работы, безопасность, доказательства выполнения, обеспечение качества, кластеры GPU и т.д.
Важность
Доступность кластеров и параллельных вычислений
Распределенная вычислительная система реализовала кластер GPU, обеспечивая более эффективное обучение и одновременно усиливая масштабируемость. Большинство ключевых проектов теперь интегрировали кластеры для параллельных вычислений.
! Пересечение AI и DePIN
Защита данных
Разработка AI-моделей требует использования больших объемов данных, которые могут содержать конфиденциальную информацию. Большинство проектов используют какую-либо форму шифрования данных для защиты конфиденциальности. io.net недавно сотрудничал с Mind Network для запуска полностью гомоморфного шифрования (FHE), которое позволяет обрабатывать зашифрованные данные без предварительной декодировки.
! Пересечение искусственного интеллекта и DePIN
Подтверждение завершения расчетов и контроль качества
Несколько проектов предоставляют доказательства завершения расчетов и механизмы проверки качества, чтобы обеспечить качество работы и предотвратить мошенничество.
! Пересечение AI и DePIN
Статистика по аппаратному обеспечению
Различия между проектами по количеству GPU, количеству CPU, количеству высокопроизводительных GPU и их стоимости. io.net и Aethir лидируют по количеству высокопроизводительных GPU.
! Пересечение ИИ и DePIN
Требования к высокопроизводительным GPU
Обучение ИИ-моделей требует GPU с наилучшей производительностью, таких как A100 и H100 от Nvidia. Провайдеры децентрализованного рынка GPU должны предоставить достаточное количество высокопроизводительных GPU, чтобы конкурировать с централизованными услугами.
предоставляет потребительский уровень GPU/CPU
Некоторые проекты также предлагают потребительские GPU/CPU, которые могут быть использованы для менее интенсивных задач, таких как дообучение предобученных моделей или обучение маломасштабных моделей.
! Пересечение искусственного интеллекта и DePIN
Заключение
В области AI DePIN все еще относительно нова и сталкивается с вызовами. Однако количество задач и аппаратных средств, выполняемых в этих децентрализованных GPU-сетях, значительно увеличивается, что подчеркивает растущий спрос на альтернативы аппаратным ресурсам облачных провайдеров Web2. В будущем эти распределенные GPU-сети сыграют ключевую роль в предоставлении экономически эффективных вычислительных альтернатив для разработчиков, что существенно повлияет на будущее AI и вычислительной инфраструктуры.
! Пересечение AI и DePIN